Validation of an economic model of paliperidone palmitate for chronic schizophrenia
Notice bibliographique
Résumé
OBJECTIVE: Model validation is important, but seldom applied in chronic schizophrenia. Validation consists of verifying the model itself for face validity (i.e., structure and inputs), cross-validation with other models assessing the same issue, and comparison with real-life outcomes. The primary purpose was to cross-validate a recent pharmacoeconomic model comparing long-acting injectable (LAI) antipsychotics for treating chronic schizophrenia in Sweden. The secondary purpose was to provide external validation. METHODS: The model of interest was a decision tree analysis with a 1-year time horizon with costs in 2011 Swedish kroner. Drugs analyzed included paliperidone palmitate (PP-LAI), olanzapine pamoate (OLZ-LAI), risperidone (RIS-LAI), haloperidol (HAL-LAI), and oral olanzapine (oral-OLZ). Embase and Medline were searched from 1990-2012 for models examining LAIs. Articles were retrieved, with data extracted for all drugs compared including: expected costs, rates of hospitalization, proportion of time not in relapse, and associated QALYs. Outcomes from the model of interest were compared with those from other articles; costs were projected to 2012 using the consumer price index. RESULTS: Twenty-six studies were used for validation; 14 of them provided evidence for cross-validation, 13 for external validation, and four for cost. In cross-validation, cost estimates varied -1.8% (range: -12.4-20.1%), hospitalizations 5.2% (-12.1-3.1%), stable disease 2.5% (-5.6-1.5%), QALYs 9.0% (4.3% after removing outliers). All estimates of clinical outcomes were within 15%. In external validation, hospitalization rates varied by 6.3% (-0.7-11.3%). The research was limited by data availability and validity of the original results. CONCLUSION: Other models validated the outputs of our model very well.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».